mon point de vue contrarien est que l'idée que "les modèles sont des marchandises, il suffit d'échanger" est une vision naïve terminale, détenue presque exclusivement par des gens ici qui n'ont jamais réellement lancé de produits basés sur des LLM en profondeur. Ces gens sont généralement juste des pontificateurs. Mon avis personnel est que la barrière existe et qu'elle est l'accumulation de l'adéquation... ce qui inclut des choses comme des bibliothèques de prompts, la gestion des cas extrêmes, l'intuition institutionnelle sur les modes de défaillance, et la calibration de la confiance intégrée. Et les coûts de changement se cumulent de manière non linéaire avec la profondeur d'intégration. Un consommateur d'API de surface est peut-être trivial. Mais pour des choses profondément intégrées comme la logique de ciblage, les pipelines de communication, les flux de travail classifiés, etc., le coût de changement est essentiellement un cycle de réingénierie complet déguisé en décision de fournisseur. La situation de dow/anthropic est particulièrement intéressante car les organisations militaires ont probablement la version la plus extrême de ce problème. Elles ne peuvent pas simplement tester à l'aveugle en production, et chaque cas de comportement extrême doit être revalidé de manière lente, coûteuse et nécessitant une expertise spécialisée qui ne se transfère pas nécessairement entre les familles de modèles. Je suis bien conscient de cela parce que notre startup a la capacité de passer à n'importe quel modèle, mais c'est un véritable casse-tête car tout soit casse, soit devient bizarre.